| name | ai-hardware-ecosystem-monitor |
| description | 监控 AI 相关多硬件生态新闻、产业动态与风险信号。用于 GPU、NPU、ASIC、服务器、存储、网络、液冷、电源、光模块、晶圆、先进封装、HBM、ODM/OEM、云厂商、数据中心和大模型厂商相关任务，包括：(1) 跟踪 AI 硬件上下游、算力基础设施和模型厂商新闻，(2) 识别产能、交付、价格、路线图、合作伙伴、部署、兼容与政策等核心议题，(3) 挖掘媒体、分析师、工程师、渠道商、企业客户和关键机构，(4) 监控大模型厂商、云厂商与硬件供应商之间的竞合关系，(5) 生成监测计划、生态情报报告、预警清单和行动建议。触发词包括：AI硬件生态、算力生态监控、AI产业链新闻、GPU产业链、HBM动态、服务器生态、模型厂商动态、云厂商采购、AI基础设施情报、AI供应链预警。 |
AI 硬件生态监控
用途
用这个 Skill 监控 AI 相关多硬件生态新闻、产业动态和风险信号。它的重点不是单一硬件产品口碑，而是围绕 AI 产业链观察上游、中游、下游以及大模型厂商之间的联动关系。
监测重点覆盖：晶圆、先进封装、HBM、GPU / NPU / ASIC、服务器整机、机柜与液冷、网络与光模块、云厂商、数据中心、企业部署，以及 OpenAI、Anthropic、Google、Meta、xAI、DeepSeek、阿里、百度、腾讯、字节、智谱等模型厂商。
不要编造新闻、合作、产能、价格、交付、情绪或风险等级。遇到来源不足、时间不明、引用链条断裂、价格未核验或爆料未证实时，必须明确披露。
适用场景
在以下场景优先使用本 Skill：
- 跟踪 AI 硬件上下游新闻和产业链变化
- 观察 GPU、NPU、ASIC、HBM、服务器、液冷、网络等关键环节动态
- 监控大模型厂商、云厂商和硬件供应商的合作、采购、部署和替代关系
- 跟踪新产品发布、路线图、交付、扩产、价格、制裁和政策变化
- 输出日报、周报、专题复盘、竞争态势分析和风险预警
监测对象
按以下层级组织监测对象：
- 上游：晶圆、先进封装、HBM / DRAM、基板、互连、散热、电源、交换芯片、光模块
- 中游：GPU、NPU、ASIC、加速卡、服务器整机、AI 一体机、机柜、液冷系统、ODM / OEM
- 下游：云厂商、数据中心、企业客户、行业解决方案商、开发者生态
- 模型厂商：OpenAI、Anthropic、Google、Meta、xAI、DeepSeek 及国内外大模型厂商
- 外部环境：政策、制裁、出口管制、资本开支、融资、并购、行业标准
工作流
步骤 1：明确监测范围
先补齐以下信息：
- 监测主体：品牌、厂商、机构或产业链环节
- 重点对象：产品线、技术环节、供应链节点、模型厂商、云厂商
- 时间范围：默认近 7 天；重大事件建议 24 小时或 72 小时滚动监控
- 重点议题：产能、交付、价格、路线图、合作、部署、兼容、政策、资本开支
- 竞品范围：明确主要对手、替代方案和对比对象
- 模块范围：
news、supply-chain、model-vendor、competitor、kol、risk、all
如果用户没有给全，优先补足“监测主体、重点对象、时间范围、重点议题、竞品范围”五项。
步骤 2：组织关键词包
至少准备 6 组关键词：
- 核心词：品牌名、产品名、型号、SKU、代号
- 上游词：wafer、CoWoS、HBM、substrate、封装、良率、光模块、电源、散热
- 中游词：GPU、NPU、ASIC、server、rack、liquid cooling、interconnect、NIC
- 下游词：cloud、datacenter、inference、deployment、enterprise、cluster、capex
- 模型厂商词：OpenAI、Anthropic、Google、Meta、xAI、DeepSeek 等
- 风险词：缺货、跳票、断供、制裁、出口管制、过热、兼容问题、价格波动、砍单
优先覆盖中英文、简称、代号、旧型号和行业常用说法。
步骤 3：规划采集路径
至少覆盖 4 类来源：
- 行业媒体 / 科技媒体：Tom's Hardware、AnandTech、ServeTheHome、SemiAnalysis、36氪、量子位、机器之心
- 官方与合作伙伴页面：厂商博客、产品页、驱动更新日志、伙伴新闻稿、客户案例
- 社区与开发者站点：Reddit、GitHub Issues、Hacker News、Chiphell、V2EX
- 模型厂商与云厂商信息源：OpenAI、Google、Meta、Anthropic、阿里云、AWS、Azure、GCP 等博客或公告
- 社交与视频平台：微博、小红书、B站、抖音、X、LinkedIn
- 资本与政策信息源：财报摘要、监管公告、政策网站、行业协会与研究机构
以下采集能力属于可选前置 Skill / 工具，不是硬依赖：
web-research：行业媒体、论坛、官网、伙伴页面调研chrome-devtools、playwright-mcp：复杂页面、动态页面、价格页、评论页抓取daily-hot-news：微博 / 知乎 / B站 / 抖音热点观察wechat-article-to-markdown：公众号文章抓取xiaohongshu：消费级硬件与装机内容搜索arxiv-search：论文、研究资料、技术趋势检索
如果部分 Skill / 工具不可用，按以下顺序降级：
- 优先保留核心来源：先覆盖行业媒体、官网 / 公告页、社区、模型厂商 / 云厂商公告四类来源。
- 用可访问来源替代不可访问来源：例如抓不到社交平台时，改用官网、媒体复盘、财报、政策站点和开发者社区补位。
- 允许用户直接提供样本文件：如果用户已经有 JSON / JSONL / CSV，跳过采集，直接进入分析。
- 在报告中披露缺口：明确写出哪些 Skill / 平台不可用、缺失了哪些来源、可能带来的偏差。
重大风险样本必须尽量保留原始链接、发布时间、作者、机构、关键引用和二次来源链路。
步骤 3.5：把采集结果整理成结构化样本
采集完成后，不要直接把网页摘录塞给脚本。先把所有样本统一整理成结构化文件，再进入分析步骤。
推荐落盘路径：
- 优先：
./tmp/ai_hardware_ecosystem_records.jsonl
- 备选：
./tmp/ai_hardware_ecosystem_records.json
- 也支持：
./tmp/ai_hardware_ecosystem_records.csv
推荐使用 JSONL，因为更适合边采集边追加。每行一个 JSON 对象，字段遵循 references/data_schema.md。
最小字段集：
platformtitlecontentpublished_at
建议尽量补充：
authorurlsource_typeentity_layercompany_typecomponent_typebrandproductmodel_vendorregion
JSONL 单条样例：
{"platform":"official_sites","title":"OpenAI expands infrastructure partnership","content":"OpenAI announces deeper infrastructure cooperation with cloud partners for large-scale training and inference.","author":"OpenAI","url":"https://example.com/openai-post","published_at":"2026-04-20T11:00:00+08:00","source_type":"official","entity_layer":"model_vendor","company_type":"model_vendor","component_type":"compute_service","brand":"OpenAI","product":"","model_vendor":"OpenAI","region":"global"}
如果使用 .json，脚本支持两种结构：
[
{"platform":"news","title":"...","content":"...","published_at":"2026-04-20 09:30:00"}
]
或：
{
"records": [
{"platform":"news","title":"...","content":"...","published_at":"2026-04-20 09:30:00"}
]
}
整理完成后，再把该文件作为 --input 传给分析脚本。
步骤 4：生成监测计划或加载样本
支持两种模式：
- 监测计划模式：先输出关键词包、平台优先级、采集路由、关注对象和执行提示
- 样本分析模式：已有 JSON / JSONL / CSV 时，直接运行脚本分析
生成监测计划：
python3 scripts/ai_hardware_ecosystem_monitor.py --brand "NVIDIA" --products "B200,GB200,HGX" --competitors "AMD,Intel,Google" --model-vendors "OpenAI,Anthropic,DeepSeek" --period week --topic "HBM 供给与模型厂商采购" --module all --plan-only
步骤 5：运行分析脚本
当你已经把采集结果整理成结构化样本文件后，优先执行：
python3 scripts/ai_hardware_ecosystem_monitor.py --input ./tmp/ai_hardware_ecosystem_records.jsonl --brand "NVIDIA" --products "B200,GB200,HGX" --competitors "AMD,Intel,Google" --model-vendors "OpenAI,Anthropic,DeepSeek" --start 2026-04-01 --end 2026-04-07 --module all --risk-level high --alert --output report.md
脚本支持：
--period day|week|month：按周期生成时间范围--topic：指定专项监测议题--model-vendors：指定需要重点跟踪的大模型厂商--module news|supply-chain|model-vendor|competitor|kol|risk|all：按模块执行--plan-only：只输出监测计划--risk-level low|medium|high|critical：筛选风险等级--alert：对达到阈值的风险打印预警- Markdown / JSON / CSV 输出
步骤 6：人工复核
把脚本结果视作初筛，不要直接照抄结论。交付前至少检查：
- 新闻是否来自可靠原始来源，是否存在转载失真
- 供给、交付、扩产、价格、资本开支信息是否有二次证据
- 模型厂商与硬件厂商之间的关系是实质合作、测试验证，还是市场猜测
- 风险等级是否需要因客户类型、区域范围、政策背景上调
- 竞品提及是否代表真实替代趋势，而非普通对比讨论
数据要求
优先使用 references/data_schema.md 的字段结构。最小字段集：
platformtitlecontentauthorurlpublished_atlikescommentssharesviewsfollowers
对产业链样本，尽量补充 entity_layer、company_type、model_vendor、component_type、region 等字段。
输出要求
默认输出一份 Markdown 报告，至少包含：
- 监测策略：模块、关键词包、平台优先级、覆盖限制
- 生态总览：时间范围、样本量、渠道分布、主题分布、环节分布
- 关键新闻：高热度、高价值、高影响样本及链接
- 上下游动态：上游、中游、下游的重要变化
- 模型厂商动态：模型厂商与硬件、云、部署相关动态
- 风险看板：风险类型、等级、影响范围、建议动作
- 关键机构 / KOL：媒体、分析师、工程师、渠道与企业客户名单
- 竞品与行业变化：竞品动作、替代趋势、行业结构变化
- 行动建议：24 小时动作、本周动作、中期建议
使用 assets/report_template.md 作为结构模板。
可复用能力
以下能力均为可选增强项。如果当前环境没有对应 Skill / 工具，不要阻塞任务，直接用可访问来源采集并在报告中披露覆盖缺口。
| 能力 | 典型用途 |
|---|
web-research | 行业媒体、论坛、官网、伙伴页面调研 |
chrome-devtools | 复杂页面与无公开 API 页面抓取 |
playwright-mcp | 动态页面、价格页、评论页自动化采集 |
daily-hot-news | 微博 / 知乎 / B站 / 抖音热点观察 |
wechat-article-to-markdown | 公众号文章抓取 |
xiaohongshu | 消费级硬件与装机内容搜索 |
arxiv-search | 论文、研究资料、技术趋势检索 |
参考资料
按需加载这些文件，不要一次性全部塞进上下文：
references/monitoring_guide.md：AI 硬件生态监测总指南references/source_integration.md：采集路由与站点优先级references/taxonomy.md：生态环节、主题与信号分类references/data_schema.md：输入数据字段规范references/sentiment_analysis.md：情绪与影响判断方法references/kol_framework.md：关键机构与 KOL 识别框架references/risk_assessment.md：风险判定标准与响应要求
验证清单
提交前确认：
